Buchumschlag

Uncertainty-Preserving QBNNs: Multi-Level Quantization of SVI-Based Bayesian Neural Networks for Image Classification

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Borras, Hendrik, Wu, Yong, Klein, Bernhard, Fröning, Holger
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Walking Noise: On Layer-Specific Robustness of Neural Architectures against Noisy Computations and Associated Characteristic Learning Dynamics
von: Borras, Hendrik, et al.
Veröffentlicht: (2022)

Variance-Aware Noisy Training: Hardening DNNs against Unstable Analog Computations
von: Wang, Xiao, et al.
Veröffentlicht: (2025)

On Hardening DNNs against Noisy Computations
von: Wang, Xiao, et al.
Veröffentlicht: (2025)

Accelerated Execution of Bayesian Neural Networks using a Single Probabilistic Forward Pass and Code Generation
von: Klein, Bernhard, et al.
Veröffentlicht: (2025)

Function Space Diversity for Uncertainty Prediction via Repulsive Last-Layer Ensembles
von: Steger, Sophie, et al.
Veröffentlicht: (2024)

Implications of Noise in Resistive Memory on Deep Neural Networks for Image Classification
von: Emonds, Yannick, et al.
Veröffentlicht: (2024)

Resource-Efficient Neural Networks for Embedded Systems
von: Roth, Wolfgang, et al.
Veröffentlicht: (2020)

Less Memory Means smaller GPUs: Backpropagation with Compressed Activations
von: Barley, Daniel, et al.
Veröffentlicht: (2024)

Uncertainty Reasoning with Photonic Bayesian Machines
von: Brückerhoff-Plückelmann, F., et al.
Veröffentlicht: (2025)

Resource-Efficient and Robust Inference of Deep and Bayesian Neural Networks on Embedded and Analog Computing Platforms
von: Klein, Bernhard
Veröffentlicht: (2025)

On the Privacy-Preserving Properties of Spiking Neural Networks with Unique Surrogate Gradients and Quantization Levels
von: Moshruba, Ayana, et al.
Veröffentlicht: (2025)

The Sensitivity of Variational Bayesian Neural Network Performance to Hyperparameters
von: Koermer, Scott, et al.
Veröffentlicht: (2025)

Forget by Uncertainty: Orthogonal Entropy Unlearning for Quantized Neural Networks
von: Zhang, Tian, et al.
Veröffentlicht: (2026)

The Epistemic Uncertainty Hole: an issue of Bayesian Neural Networks
von: Fellaji, Mohammed, et al.
Veröffentlicht: (2024)

Functional PCA and Deep Neural Networks-based Bayesian Inverse Uncertainty Quantification with Transient Experimental Data
von: Xie, Ziyu, et al.
Veröffentlicht: (2023)

Uncertainty Quantification With Noise Injection in Neural Networks: A Bayesian Perspective
von: Yuan, Xueqiong, et al.
Veröffentlicht: (2025)

Multi-Fidelity Bayesian Neural Network for Uncertainty Quantification in Transonic Aerodynamic Loads
von: Vaiuso, Andrea, et al.
Veröffentlicht: (2024)

Inverse Neural Operator for ODE Parameter Optimization
von: Liu, Zhi-Song, et al.
Veröffentlicht: (2026)

Uncertainty Prediction Neural Network (UpNet): Embedding Artificial Neural Network in Bayesian Inversion Framework to Quantify the Uncertainty of Remote Sensing Retrieval
von: Fan, Dasheng, et al.
Veröffentlicht: (2024)

PAC-Bayesian Generalization Bounds for Graph Convolutional Networks on Inductive Node Classification
von: Tang, Huayi, et al.
Veröffentlicht: (2025)

Cooperative Variance Estimation and Bayesian Neural Networks for Disentangling Aleatoric and Epistemic Uncertainties
von: Yi, Jiaxiang, et al.
Veröffentlicht: (2025)

A Framework for Variational Inference of Lightweight Bayesian Neural Networks with Heteroscedastic Uncertainties
von: Schodt, David J., et al.
Veröffentlicht: (2024)

A Tabular Schedule Abstraction for Communication-Aware Evaluation of Pipeline-Parallel LLM Training
von: Barley, Daniel, et al.
Veröffentlicht: (2026)

Sparse Explanations of Neural Networks Using Pruned Layer-Wise Relevance Propagation
von: Sarmiento, Paulo Yanez, et al.
Veröffentlicht: (2024)

A Deep Bayesian Convolutional Spiking Neural Network-based CAD system with Uncertainty Quantification for Medical Images Classification
von: Chegini, Mohaddeseh, et al.
Veröffentlicht: (2025)

BayesQ: Uncertainty-Guided Bayesian Quantization
von: Lamaakal, Ismail, et al.
Veröffentlicht: (2025)

Neural Image Compression with Quantization Rectifier
von: Luo, Wei, et al.
Veröffentlicht: (2024)

Generation of Uncertainty-Aware High-Level Spatial Concepts in Factorized 3D Scene Graphs via Graph Neural Networks
von: Millan-Romera, Jose Andres, et al.
Veröffentlicht: (2024)

Can Bayesian Neural Networks Explicitly Model Input Uncertainty?
von: Valdenegro-Toro, Matias, et al.
Veröffentlicht: (2025)

MCMC Informed Neural Emulators for Uncertainty Quantification in Dynamical Systems
von: Haario, Heikki, et al.
Veröffentlicht: (2026)

Quantized and Interpretable Learning Scheme for Deep Neural Networks in Classification Task
von: Maleki, Alireza, et al.
Veröffentlicht: (2024)

Orientation-Free Neural Network-Based Bias Estimation for Low-Cost Stationary Accelerometers
von: Levin, Michal, et al.
Veröffentlicht: (2025)

Posterior Uncertainty Quantification in Neural Networks using Data Augmentation
von: Wu, Luhuan, et al.
Veröffentlicht: (2024)

SIC: Similarity-Based Interpretable Image Classification with Neural Networks
von: Wolf, Tom Nuno, et al.
Veröffentlicht: (2025)

Frame Quantization of Neural Networks
von: Czaja, Wojciech, et al.
Veröffentlicht: (2024)

Functional Stochastic Gradient MCMC for Bayesian Neural Networks
von: Wu, Mengjing, et al.
Veröffentlicht: (2024)

Improved Image Classification with Manifold Neural Networks
von: Netto, Caio F. Deberaldini, et al.
Veröffentlicht: (2024)

Pruning and Quantization Impact on Graph Neural Networks
von: Khedri, Khatoon, et al.
Veröffentlicht: (2025)

Oscillations Make Neural Networks Robust to Quantization
von: Wenshøj, Jonathan, et al.
Veröffentlicht: (2025)

Constraint Guided Model Quantization of Neural Networks
von: Van Baelen, Quinten, et al.
Veröffentlicht: (2024)